语音智能体里TTS才是瓶颈
PriorWoodpecker3431 · reddit · 2026-07-17
作者在做一个**语音智能体**（来电客服 + 外呼初筛），发现真正卡住体验的不是 LLM，而是 **TTS 的首字延迟**。 他强调自己最关心的是： - **低 time-to-first-byte**，因为用户不能接受长时间静音 - **真正的流式输出**，而不是伪“stream” - **成本效率**，要能扛住真实通话量 - **多语言/代码混说**，尤其英语 + 西语混用 - 只要**足够自然**即可，不追求奖项级音色 他想知道大家在生产环境或严肃测试里到底用哪家 TTS，避免把整条语音链路绑在一个高流量下会突然飙到 600ms 的方案上。